XiaoMi-AI文件搜索系统
World File Search System三维空间
基于深度学习的人类心脏激活模拟...
摘要。精准心脏病学数字孪生的愿景是将专家知识和患者心脏病理生理数据与先进的计算方法相结合，以生成准确、个性化的治疗策略。在研究心脏电生理学时，孪生管道通常需要大量模拟，例如在探索个性化参数空间时或在大数据研究中扩展到大量虚拟患者时。在这些情况下，最先进的方法在计算上是昂贵的，即使应用相对较快的算法（例如 Eikonal 模型）。在这项工作中，我们研究了基于 U-Net 的模型在整个人体心室内电激发的性能。该方法通过在标准化的三维空间中表示心脏的解剖和电生理特性，提供了减少输入参数空间的优势。结果表明，该模型能够模拟 Eikonal 模拟方案并预测心脏激活时间图，平均准确度为 4.7ms RMSE，预测点性能有所提高，结果速度提高了 500 倍。这种新方法为大量人体心脏模型中个性化心脏传播模拟提供了有希望的结果。
通过偶氮苯聚合物的光流化进行光图案化
在当前基于光的图案化技术中，图像被投射到感光材料上以在光聚焦的区域中生成图案。因此，图案的大小、形状和周期性由光掩模或投影图像上的特征决定，材料本身通常不会在改变特征方面发挥积极作用。相比之下，偶氮苯聚合物提供了一种独特的光图案化平台，其中偶氮苯基团的光异构化可以在分子、微观和宏观尺度上引起大量的材料运动。通过暴露于干涉光束可以产生稳定的表面浮雕图案。因此，可以以非常简单的方式在大面积上制造具有二维和三维空间控制的周期性纳米和微观结构。偏振光可用于通过不寻常的固体到液体的转变引导固体偶氮苯聚合物沿光偏振方向流动，从而允许使用光制造复杂结构。本综述总结了使用偶氮苯聚合物进行先进制造的最新进展。包括简要介绍偶氮苯聚合物的有趣的光学行为，然后讨论偶氮苯聚合物的最新发展和成功应用，特别是在微纳米制造领域。
![arXiv:1908.06673v1 [cs.CV] 2019 年 8 月 19 日](/simg/g:\will\search\icon\source\6\66c89fbf34bc913fc5bec08cad97a41c01e802c6.webp)
arXiv:1908.06673v1 [cs.CV] 2019 年 8 月 19 日
点云分类在各种机载光检测和测距 (LiDAR) 应用中发挥着重要作用，例如地形测绘、森林监测、电力线检测和道路检测。然而，由于机载 LiDAR 系统的传感器噪声、高冗余、不完整性和复杂性，点云分类具有挑战性。传统点云分类方法大多侧重于开发手工制作的点几何特征，并采用基于机器学习的分类模型进行点分类。近年来，深度学习模型的进步使得研究人员将重点转向基于机器学习的模型，特别是深度神经网络，来对机载 LiDAR 点云进行分类。这些基于学习的方法首先将非结构化的 3D 点集转换为常规的 2D 表示，例如特征图像集合，然后采用 2D CNN 进行点分类。此外，这些方法通常需要计算额外的局部几何特征，如平面度、球度和粗糙度，以利用原始三维空间中的局部结构信息。然而，3D到2D的转换会导致信息丢失。在本文中，我们提出了一种方向约束的全卷积神经网络（D-FCN），它可以将原始三维坐标和激光雷达强度作为输入；因此，它可以直接应用于非结构化三维点云进行sem
VKECE-3D：基于3D-Voronoi和K-Means算法的三维异质无线传感器网络中的节能覆盖范围
摘要：在这些年中，更接近实际应用环境的异质无线传感器网络的3D节点覆盖已成为研究的强烈重点。但是，将传统的二维平面覆盖方法直接应用到三维空间中，其应用复杂性很高，覆盖率低和短期生命周期。大多数方法在考虑覆盖范围时忽略网络生命周期。网络覆盖范围和生命周期决定了异质无线传感器网络中服务质量（QOS）。因此，能量覆盖范围的增强是一项重要和具有挑战性的任务。为了解决上述任务，提出了基于3D-Voronoi分区的能量覆盖范围增强方法VKECE-3D和K-MEANS算法。在保证覆盖范围的同时，将活动节点的数量保持在最低限度。首先，基于随机的节点部署，使用高度破坏性的多项式突变策略将节点部署两次，以提高节点的均匀性。其次，最佳感知半径是使用K-均值算法和3D-Voronoi分区来计算的，以增强网络覆盖质量。最后，提出了一种多跳沟通和轮询工作机制，以降低节点的能耗并延长网络的寿命。它的仿真发现表明，与其他能源效率增强解决方案相比，VKECE-3D可改善网络覆盖范围，并大大延长网络的寿命。
Agrivoltaic建模：扇区概述
碳水化合物，生物细胞中必不可少的有机分子，在医学，农业，生物技术，材料设计和工业中具有多种应用。了解它们的结构和功能可能有助于例如，具有改善营养和化学特性的新作物变异的发展。该项目着重于3D分子建模，以研究碳水化合物聚合物的化学和物理性质。通过在3D中组装分子并使用计算工具分析它们，该项目旨在确定所研究分子的最稳定构象。结果表明，碳水化合物分子在增加聚合程度时显示出更高的结构动态行为。短期最小化后，单糖分子可以获得稳定的构象。但是，较长的多糖需要很长时间才能获得稳定的构象。在单糖的情况下，只有糖环获得稳定的构象，而多糖具有糖苷键。糖苷键的二面性PHI和PSI角在不同的聚合物中有所不同。它还揭示了三维空间和散点图中分支和线性聚合物之间的结构差异，以及键角之间相关性的模式。需要进一步的研究来验证这些发现。碳水化合物聚合物构象的研究在生物技术和生物医学中具有重要的应用，本报告旨在为扩大该领域关键词中的知识做出贡献
AstroLibrary：一个用于实时合相评估和
地球空间已经很拥挤，而且会更加拥挤。这种趋势会迅速增加空间物体之间发生碰撞的概率。由于物体以极高的速度飞行，碰撞后果将是灾难性的。然而，即使当前空间目录的大小为 O(10^4)，准确有效的结合评估 (CA) 和碰撞避免 (COLA) 也一直是一大挑战。由于新卫星数量的增加、传感器能力的提高以及凯斯勒综合症，空间目录的大小将迅速增加，除非设计出一种范式转换计算方法，否则情况会更糟。这里我们提出了 SpaceMap 方法，它可以对 O(10^6) 或更多对象执行实时 CA 和近实时 COLA，前提是通过预处理将卫星之间的时空接近度表示在简洁的数据结构中。理论和计算基础是 Voronoi 图，它被称为二维和三维空间中许多对象之间时空推理的最简洁、最有效的数据结构。该算法以 C++ 实现，并以 AstroLibrary 的形式提供，它具有 RESTful API 和 Python 包，可从应用程序调用。借助该库，任何具有基本编程技能的人都可以轻松开发高效的应用程序来解决具有挑战性的时空问题。还介绍了实验结果。
用于快速全脑 fMRI 分析的空间 3D 材料先验
摘要。已证明，使用三维空间平滑先验的贝叶斯全脑功能磁共振成像 (fMRI) 分析无需预先平滑数据即可生成最先进的活动图。然而，所提出的推理算法对计算要求很高，并且所使用的空间先验具有一些不太吸引人的性质，例如不合适和具有无限的空间范围。我们提出了一种基于 Mat'ern 协方差函数类的全脑 fMRI 分析统计推理框架。该框架通过 Lindgren 等人 (2011) 的随机偏微分方程 (SPDE) 方法使用可能各向异性空间 Mat'ern 场的高斯马尔可夫随机场 (GMRF) 表示。这允许更灵活和可解释的空间先验，同时保持在高维全脑设置中快速推理所需的稀疏性。我们开发了一种加速随机梯度下降 (SGD) 优化算法，用于空间超参数的经验贝叶斯 (EB) 推断。根据推断出的超参数，我们对大脑活动进行完全贝叶斯处理。Mat'ern 先验应用于模拟和实验任务 fMRI 数据，并通过比较活动图、先验模拟和交叉验证清楚地表明，它是比以前使用的先验更合理的选择。
自主机器人的收敛性有限
Abstract A distributed algorithm A solves the Point Convergence task if an arbitrarily large collection of entities, starting in an arbitrary configuration, move under the control of A to eventually form and thereafter maintain configurations in which the separationbetweenallentitiesisarbitrarilysmall.Thisfundamentaltaskinthestandard O BLOT modelofautonomousmobile entities has been previously studied in a variety of设置，包括完整的可见性，确切的测量（包括距离和角度）以及实体的同步激活。我们的研究涉及最小的假设，在这些假设下，可以保证以这种方式融合的实体，具有有限和未知的可见度范围，可见度范围有限且不明显不精确。我们提出了一种在这些约束下运行的算法，该算法解决点收敛，对于在两个或三维空间中移动的实体，并具有任何有限程度的异步。我们还证明，在类似的逼真的约束下，但无限的异步，通常不可能在平面中的点收敛，这是基于自然假设，即算法在初始配置中维持存在的实体之间维持（可见的）连接性。我们称这种变体称为凝聚力融合，可以区分自主移动实体控制的有限和无限异步的力量，解决了一个长期存在的问题，一个长期存在的问题是否同步安排的实体是否比异步计划更强大。
使用优化的基于通用模板的 CCA 方法控制机械臂，实现基于 SSVEP 的 BCI
最近，基于脑机接口 (BCI) 的机械臂控制系统已被用于帮助残疾人士提高无需身体运动的交互能力。然而，由于脑电图 (EEG) 信号的不稳定性以及自发脑电图活动的干扰，在三维 (3D) 空间中用机械臂执行所需任务是一项主要挑战。此外，机械手在 3D 空间中的自由运动控制是一项复杂的操作，需要更多的输出命令和更高的脑活动识别精度。基于上述内容，设计了一种基于稳态视觉诱发电位 (SSVEP) 的同步 BCI 系统，该系统具有六个刺激目标，以实现七自由度 (7-DOF) 机械臂的运动控制功能。同时，应用了一种基于模板的新型方法，该方法从不同的受试者构建优化的通用模板 (OCT)，并从通用模板和多通道脑电图信号中学习空间滤波器，以提高 SSVEP 识别精度，称为基于 OCT 的典型相关分析 (OCT-CCA)。基于公开基准数据集的离线实验对比结果表明，提出的OCT-CCA方法与CCA和基于单独模板的CCA（IT-CCA）相比，检测精度显著提高，尤其是在使用较短数据长度的情况下。最后，对五名健康受试者进行了在线实验，实现了机械臂实时控制系统。结果表明，五名受试者均能独立完成控制机械臂到达三维空间指定位置的任务。
快速全脑fMRI分析的空间3DMatérn先验
摘要。贝叶斯全脑功能磁共振成像（fMRI）分析具有三维空间平滑先验，已证明无需预先张开数据，就可以制定最先进的活动图。所提出的推理算法在计算上是要求的，并且所使用的空间序列具有多种吸引力的属性，例如不当和有限的空间范围。我们根据Mat'ern协方差函数类别提出了一个用于全脑功能磁共振成像分析的统计推理框架。框架工作使用了可能各向异性的空间垫子的高斯马尔可夫随机场（GMRF）表示，通过Lindgren等人的随机部分差异方程（SPDE）方法。（2011）。这允许更加灵活，可置换的空间先验，同时保持在高维全脑环境中快速推断所需的稀疏性。我们开发了一种加速的随机梯度下降（SGD）优化算法，用于空间超参数的经验贝叶斯（EB）推断。有条件地，在推断的超参数上，我们对大脑活动进行了完全贝叶斯的治疗。使用活动图，先前的模拟和交叉验证的比较，将Mat'Mater的先验应用于模拟和实验性任务-FMRI数据，并清楚地表明，它比先前使用的先验更合理的选择。